qccnn量子类神经网路架构.docVIP

QCCNN量子類神經網路架構 蔡賢亮 義守大學資訊管理系 HYPERLINK mailto:jim@.tw jim@.tw 劉榕軒 義守大學資訊管理系 HYPERLINK mailto:M9322020@.tw M9322020@.tw 摘要 到目前為止，已有各式各樣的量子類神經網路模型被提出了。但從研究中，我們發現到多數的模型只是個構想，並沒有提出明確而完整的量子學習法則；只有少數模型有提出量子學習法則，但是我們也發現到這些學習法則是不可行的，因為它們都不能真正的符合量子理論。而從目前已被提出的量子類神經網路的學習法則中，我們發現到Dan Ventura 和 Tony Martinez 提出的以量子搜尋演算法（quantum search algorithm）為基礎的學習法則是最可行的（在論文中，我們將稱此學習法則為量子搜尋學習法則）；但這個量子學習法則卻仍存在若干個缺陷，使得這個學習演算法仍有改進之處。 為了解決量子搜尋學習法則的缺陷，我們提出一個新的量子類神經網路架構，它結合傳統的cascade correlation 類神經網路（CCNN）的自動建構概念及量子搜尋學習法則，我們稱這個新量子類神經網路架構為量子cascade correlation 類神經網路（QCCNN: quantum cascade correlation neural network）。這個新的